AI 算力金融化：开源模型正在把算力推向资本市场（上）
- 核心观点：AI算力正从IT成本转变为资本资产，进入杠杆扩张阶段。当前市场缺乏标准化远期和衍生品工具，导致长期合同同时承担采购和价格管理功能，而真正进入衍生品市场的风险敞口取决于算力市场化程度。
- 关键要素：
- 2025年Top 5云厂商AI CapEx占经营现金流比例接近94%，2026年合计已确认CapEx超7000亿美元，加速依赖债务融资。
- Take or Pay长约（如CoreWeave超98%收入来自此类合同）将不确定的GPU利用率转化为可预测的合同现金流，改变GPU信贷风险排序。
- GPU同时具备生产设备和技术产品属性，会计折旧与经济折旧难一致，风险集中在合同续约、再融资和违约处置节点。
- 真正能进入衍生品市场的风险敞口需经多层过滤：仅限市场化交易、价格浮动且未被双边合同吸收的部分，与merchant compute占比相关性更高。
- 开源模型提升市场化采购比例：DeepSeek V4发布后H100租金两周涨约7.5%，Kimi K3和GLM 5.2上线前后租金同步走强。
- GPU-hour不可存储，缺乏库存套利约束，远期价格对边际信息敏感，真实订单流价值凸显，指数价值在于压缩非标报价形成定价锚。
- GPU-hour更接近基础商品，AI Token因技术通缩和性能差异难标准化，需求侧更可能先从模型篮子、Router等工作负载定价入手。
รายงานฉบับนี้เป็นรายงานเชิงลึกจาก OKX Ventures เนื่องจากมีความยาวมาก จึงแบ่งเผยแพร่ออกเป็นสองตอน: ตอนต้นมุ่งเน้นไปที่การแปลงพลังคำนวณเป็นสินทรัพย์ ความเสี่ยงที่เปิดเผย และตรรกะการกำหนดราคาอนุพันธ์ ส่วนตอนต่อไปจะวิเคราะห์โครงสร้างพื้นฐานทางการเงินของพลังคำนวณ โอกาสในการแปลงสินทรัพย์จากการอนุมาน และแนวโน้มของอุตสาหกรรม ฉบับนี้เป็นตอนแรก
บทนำ: การแปลงพลังคำนวณเป็นสินทรัพย์และความเสี่ยงที่เปิดเผย
โครงสร้างพื้นฐานด้าน AI กำลังเข้าสู่ระยะการขยายตัวที่ใช้เงินทุนเข้มข้น ทำให้คุณลักษณะทางเศรษฐกิจของพลังคำนวณเปลี่ยนแปลงไปด้วย ในอดีต องค์กรส่วนใหญ่มองว่าพลังคำนวณเป็นต้นทุนไอทีที่จัดซื้อตามความต้องการ แต่ปัจจุบัน GPU ความจุของศูนย์ข้อมูล และสัญญาจัดซื้อระยะยาวหลายปีถูกนำเข้ามาอยู่ในงบดุลมากขึ้น พลังคำนวณเริ่มมีคุณลักษณะของสินทรัพย์ทุน: ต้องใช้เงินลงทุนเริ่มต้นสูง ใช้เวลาหลายปีในการคืนทุน และรายได้ในอนาคต รวมถึงมูลค่าของอุปกรณ์จะได้รับผลกระทบอย่างต่อเนื่องจากอุปสงค์ อุปทาน และการเปลี่ยนแปลงทางเทคโนโลยี
p>การจัดซื้อ GPU และการก่อสร้างศูนย์ข้อมูลพึ่งพาหนี้สินมากขึ้นเรื่อยๆ ปัจจุบันสินเชื่อสำหรับ GPU สามารถระดมทุนได้โดยใช้การจำนำอุปกรณ์และสัญญาลูกค้าระยะยาว แต่ตลาดยังขาดเครื่องมือกำหนดราคาล่วงหน้า (GPU-hour forward) และเครื่องมือป้องกันความเสี่ยงที่เป็นมาตรฐานและเปิดเผยต่อสาธารณะหนี้สินจำเป็นต้องชำระคืนตามจังหวะเวลาที่กำหนด แต่จำนวนค่าเช่าที่ GPU ชุดนี้จะได้รับและมูลค่าในอีกไม่กี่ปีข้างหน้า ขึ้นอยู่กับสภาวะตลาดในขณะนั้น ยิ่งใช้เลเวอเรจสูง ความไม่แน่นอนของราคานี้ก็ยิ่งส่งผลกระทบต่อการชำระหนี้และการรีไฟแนนซ์มากขึ้นหนึ่ง: โครงสร้างเงินทุนของตลาดพลังคำนวณ
1.1 การขยายตัวของพลังคำนวณเริ่มเข้าสู่ช่วงใช้เลเวอเรจ
หนึ่งในการเปลี่ยนแปลงที่ควรจับตามองมากที่สุดในโครงสร้างพื้นฐานด้าน AI ในช่วงไม่กี่ปีที่ผ่านมา คือการใช้จ่ายด้านทุนเริ่มเติบโตเร็วกว่าการขยายตัวของกระแสเงินสดภายในองค์กร ระหว่างปี 2020–2023 สัดส่วน CapEx ที่เกี่ยวข้องกับ AI ของผู้ให้บริการคลาวด์ Top 5 ต่อกระแสเงินสดจากการดำเนินงานอยู่ที่ประมาณ 20%–30% แต่ภายในปี 2025 สัดส่วนนี้ใกล้เคียง 94% แล้ว เมื่อเข้าสู่ปี 2026 ยอด CapEx ที่ได้รับการยืนยันแล้วของผู้ให้บริการคลาวด์ Top 5 รวมกันมีมูลค่าเกิน 700,000 ล้านดอลลาร์สหรัฐ
บริษัทเหล่านี้ยังคงมีความสามารถในการสร้างเงินสดที่แข็งแกร่ง แต่เมื่อการลงทุนในโครงสร้างพื้นฐานขยายตัวในระดับหลายแสนล้านดอลลาร์เป็นเวลานาน ทุนจากหนี้สินก็มีบทบาทมากขึ้นโดยธรรมชาติ สินทรัพย์พลังคำนวณเริ่มก่อตัวเป็นตรรกะทางการเงินที่แยกจากกัน
GPU เซิร์ฟเวอร์ และศูนย์ข้อมูลจำเป็นต้องใช้เงินลงทุนก่อนที่จะมีรายได้เกิดขึ้น ในขณะที่ผู้ให้บริการพลังคำนวณอย่าง Neocloud มักไม่มีเครดิตขององค์กรที่成熟เท่ากับ Hyperscaler ดังนั้น ผู้ให้กู้จึงค่อยๆ ปรับการตัดสินใจให้เงินกู้มาอยู่ที่ตัวโครงการเป็นหลัก: กระแสเงินสดในอนาคตมีความมั่นคงพอที่จะครอบคลุมเงินต้นและดอกเบี้ยหรือไม่ และหากเกิดการผิดนัดชำระหนี้ จะสามารถเรียกคืนมูลค่าสินทรัพย์ได้มากน้อยเพียงใด
สัญญาระยะยาวแบบ Take or Pay เป็นกุญแจสำคัญที่ทำให้โครงสร้างนี้ดำเนินไปได้ แม้ว่าลูกค้าจะไม่ได้ใช้กำลังการผลิตที่จองไว้ทั้งหมด ก็ยังต้องชำระค่าบริการตามที่ตกลงกันไว้ สำหรับผู้ให้บริการ สิ่งนี้เทียบเท่ากับการล็อครายได้ในอนาคตส่วนหนึ่งล่วงหน้า สำหรับผู้ให้กู้ สิ่งนี้เปลี่ยนอัตราการใช้ GPU ที่ไม่แน่นอนสูงให้กลายเป็นกระแสเงินสดตามสัญญาที่คาดการณ์ได้ง่ายขึ้น
CoreWeave เป็นกรณีศึกษาที่เป็นแบบอย่างที่สุดของรูปแบบนี้ (รายได้มากกว่า 98% มาจากสัญญาที่มีข้อกำหนด Take or Pay) เมื่อสัดส่วนสัญญาระยะยาวกับลูกค้าระดับ investment grade เพิ่มสูงขึ้น การจัดหาเงินทุนของบริษัทก็พึ่งพาเครดิตของผู้รับซื้อและอัตราความคุ้มครองตามสัญญามากยิ่งขึ้น ผู้ให้บริการรายอื่นที่มีสัญญาระยะยาวกับลูกค้ารายใหญ่ เช่น Nebius และ IREN ก็เริ่มนำโครงสร้างที่คล้ายคลึงกันมาใช้ในเวลาต่อมา
สิ่งนี้改变了ลำดับความเสี่ยงของสินเชื่อ GPU ผู้ให้กู้จะพิจารณาก่อนว่ากระแสเงินสดตามสัญญาสามารถครอบคลุมหนี้สินได้หรือไม่ และประเมินในขั้นสุดท้ายว่าหากเกิดการผิดนัดชำระหนี้ GPU จะสามารถเรียกคืนมูลค่าได้มากเพียงใดจำนวน GPU กำหนดขนาดของหลักประกัน ในขณะที่คำสั่งซื้อระยะยาวเป็นตัวกำหนดเงื่อนไขทางการเงินที่สินทรัพย์ชุดนี้จะได้รับ
1.2 เมื่อกระแสเงินสดถูกล็อคแล้ว สิ่งที่เหลืออยู่คือความเสี่ยงด้านราคาสินทรัพย์
Take or Pay ช่วยเพิ่มความชัดเจนของกระแสเงินสดสำหรับการชำระหนี้ แต่มูลค่าทางเศรษฐกิจของ GPU เองยังคงเปลี่ยนแปลงอย่างต่อเนื่องอีกไม่กี่ปีข้างหน้า อุปกรณ์ชุดนี้จะสร้างรายได้ได้เท่าไรและมีมูลค่าเท่าใด ยังคงเป็นความเสี่ยงที่อยู่บนงบดุล
GPU มีคุณสมบัติสองประการในเวลาเดียวกัน: เป็นทั้งอุปกรณ์การผลิตและผลิตภัณฑ์เทคโนโลยี มันสามารถสร้างรายได้ค่าเช่าได้อย่างต่อเนื่อง แต่ก็อยู่ในวงจรการอัปเกรดเทคโนโลยีที่เร็วมาก เมื่อชิป新一代เปิดตัว ผลกระทบต่ออุปกรณ์รุ่นก่อนหน้าจะค่อยๆ สะท้อนออกมาผ่านค่าเช่า อัตราการใช้งาน ราคาต่ออายุสัญญา และมูลค่าในตลาดมือสอง
ดังนั้น ค่าเสื่อมราคาทางบัญชีและค่าเสื่อมราคาทางเศรษฐกิจของ GPU จึง很难สอดคล้องกันอย่างสมบูรณ์ การบัญชีสามารถตัดค่าใช้จ่ายอุปกรณ์ตามอายุการใช้งานที่กำหนดได้ แต่ตลาดประเมินทุกวันว่า GPU หนึ่งตัวยังสามารถผลิตพลังคำนวณที่แข่งขันได้มากเพียงใดสำหรับผู้ให้กู้ ตัวแปรหลักในท้ายที่สุดจะตกอยู่ที่กระแสเงินสดภายในระยะเวลาเงินกู้ที่เหลืออยู่ และมูลค่าที่สามารถเรียกคืนได้เมื่อเกิดการผิดนัดชำระหนี้(เกี่ยวกับนโยบายค่าเสื่อมราคาของสินทรัพย์ศูนย์ข้อมูลของผู้ให้บริการคลาวด์รายใหญ่ ตลาดได้เริ่มมีการตั้งคำถามขึ้นแล้ว)
นี่จึงอธิบายได้ว่าเหตุใดสินเชื่อ GPU ในปัจจุบันจึงยังคงมีเสถียรภาพชั่วคราวได้แม้ค่าเช่าจะลดลง ตราบใดที่ลูกค้าผู้รับซื้อยังคงปฏิบัติตามสัญญา การเปลี่ยนแปลงของราคา spot ไม่จำเป็นต้องส่งผลกระทบต่อการชำระหนี้ในงวดปัจจุบันทันที ความเสี่ยงจะกระจุกตัวอยู่ในจุดต่างๆ เช่น การต่ออายุสัญญา การรีไฟแนนซ์ และการจัดการเมื่อเกิดการผิดนัดชำระหนี้ เมื่อถึงจุดเหล่านี้ ค่าเช่าตลาดและมูลค่าคงเหลือของ GPU จะเป็นตัวกำหนดระดับความปลอดภัยของเงินกู้ใหม่
หากค่าเช่าและมูลค่าอุปกรณ์ลดลงเร็วกว่าการตัดชำระเงินต้น贷款 LTV จะเพิ่มขึ้นอีกครั้ง และระดับความปลอดภัยของเงินกู้ก็จะแคบลง สัญญาระยะยาวสามารถเลื่อนความเสี่ยงออกไปได้ แต่ไม่สามารถล็อคมูลค่าทางเศรษฐกิจตลอดอายุการใช้งานของอุปกรณ์ได้
ช่องโหว่ของโครงสร้างสินเชื่อพลังคำนวณในปัจจุบันจึงชัดเจน: สัญญาล็อคการชำระเงินของลูกค้าไว้บางส่วน แต่ราคาตลาดของ GPU ยังคงลอยตัว
ปัจจุบันตลาดอาศัยสัญญาความจุระยะยาวหลายปีในการล็อกราคาล่วงหน้าเป็นหลัก ในช่วงแรก สัญญา H100 ระยะเวลา 1 ปีมีส่วนลดที่ชัดเจนเมื่อเทียบกับราคา spot แต่เมื่อราคา spot ปรับตัวลงและราคาสัญญาระยะยาวปรับตัวสูงขึ้น ช่องว่างระหว่างทั้งสองก็แคบลงอย่างมาก การปรับปรุงอุปทานและการเปลี่ยนแปลงเงื่อนไขสัญญาล้วนส่งผลต่อผลลัพธ์นี้ แต่ในขณะเดียวกันก็สะท้อนให้เห็นปัญหาพื้นฐานมากกว่า: ในกรณีที่ไม่มีเครื่องมือมาตรฐาน เช่น สัญญาซื้อขายล่วงหน้า (forward) ฟิวเจอร์ส และสวอป ผู้เล่นในอุตสาหกรรมจึงต้องปล่อยให้สัญญากายภาพระยะยาวทำหน้าที่ทั้งการจัดซื้อและการบริหารราคาไปพร้อมกัน
สัญญาระยะยาวสามารถจัดการการกระจายความเสี่ยงระหว่างคู่สัญญาสองฝ่ายได้ แต่เมื่อตลาดต้องการสร้างราคาสาธารณะอย่างต่อเนื่องและโอนความเสี่ยงข้ามสถาบัน ก็จำเป็นต้องมีเครื่องมือทางการเงินที่ได้มาตรฐานมากขึ้น เมื่อสินทรัพย์พลังคำนวณจำนวนมากขึ้นได้รับการสนับสนุนด้วยทุนจากหนี้สิน ความต้องการนี้จะชัดเจนยิ่งขึ้น
สอง: สิ่งที่ตลาดพลังคำนวณต้องการซื้อขายจริงๆ คืออะไร?
เมื่อพลังคำนวณเข้าสู่โครงสร้างเงินทุน ความผันผวนของราคาก็เริ่มมีผู้แบกรับที่ชัดเจน Neocloud แบกรับความเสี่ยงจากค่าเช่าที่ลดลง บริษัท AI แบกรับความเสี่ยงจากต้นทุนการจัดซื้อที่เพิ่มขึ้น และเจ้าหนี้แบกรับความเสี่ยงจากมูลค่าคงเหลือและการรีไฟแนนซ์ตลาดอนุพันธ์มักจะเริ่มก่อตัวขึ้นจากความเสี่ยงที่งบดุลไม่สามารถดูดซับได้เองเหล่านี้
2.1 ผู้เล่นสามประเภทและความเสี่ยงที่เปิดเผย
ความผันผวนของราคาพลังคำนวณ最终จะตกอยู่บนงบดุลสามประเภท Neocloud ล็อคต้นทุน GPU พื้นที่机房 และการจัดหาเงินทุนไว้ล่วงหน้า แต่ค่าเช่าในอนาคตยังคงถูกกำหนดราคาใหม่ได้ เมื่อความคุ้มครองของสัญญาระยะยาวไม่เพียงพอ ค่าเช่าที่ลดลงจะบีบอัด EBITDA และ DSCR อย่างรวดเร็ว ดังนั้นพวกเขาจึงมีแรงจูงใจมากที่สุดในการขายสัญญาซื้อขายล่วงหน้าเพื่อล็อครายได้ล่วงหน้า ห้องปฏิบัติการ AI และแพลตฟอร์มการอนุมานอยู่คนละฝั่ง ราคา GPU ที่เพิ่มขึ้นจะกัดกร่อนอัตรากำไรขั้นต้นโดยตรง และเมื่อตลาดตึงตัว ความเสี่ยงด้านราคาและความจุมักเกิดขึ้นพร้อมกัน ดังนั้นพวกเขาจึงต้องล็อคทั้งต้นทุนและความจุที่ใช้ได้พร้อมกัน เจ้าหนี้กังวลมากขึ้นเกี่ยวกับระดับความปลอดภัยที่เหลืออยู่ระหว่างยอดเงินกู้คงค้างกับมูลค่าทางเศรษฐกิจของ GPU การขาดดัชนีสาธารณะและเส้นโค้งล่วงหน้า ทำให้การบริหาร LTV การรีไฟแนนซ์ และเงื่อนไขในสัญญาเป็นเรื่องยากเมื่อข้อกำหนดการป้องกันความเสี่ยงค่อยๆ ถูก写入เข้าไปในเงื่อนไขเงินกู้ ความต้องการอนุพันธ์พลังคำนวณก็จะเปลี่ยนจากการบริหารความเสี่ยงเชิงรุกขององค์กร ไปสู่การเป็นส่วนหนึ่งของระบบการจัดหาเงินทุน
2.2 ขนาดตลาดที่มีศักยภาพ: ความเสี่ยงใดบ้างที่จะเข้าสู่ตลาดอนุพันธ์
หากคำนวณ TAM ของอนุพันธ์พลังคำนวณโดยตรงจากปริมาณการจัดส่ง GPU ทั่วโลก CapEx ของศูนย์ข้อมูล หรือขนาดของโครงสร้างพื้นฐาน AI ผลลัพธ์ที่ได้มักจะสูงเกินจริงไปหนึ่งระดับ
สิ่งที่สามารถเข้าสู่ตลาดอนุพันธ์ได้อย่างแท้จริงคือความเสี่ยงส่วนที่ยังคงเปิดเผยต่อราคาตลาดและไม่ถูกดูดซับโดยช่องทางอื่น
GPU ที่ Hyperscaler สร้างและใช้งานภายในองค์กรเอง ความเสี่ยงส่วนใหญ่ยังคงอยู่ในงบดุลของตัวเอง สำหรับความจุที่เซ็นสัญญาราคาคงที่ระยะยาวแล้ว ความเสี่ยงด้านราคาก็ถูกกระจายล่วงหน้าในสัญญาทวิภาคีแล้ว สิ่งเหล่านี้ล้วนมีความเสี่ยงทางเศรษฐกิจ แต่ไม่จำเป็นต้องเข้าสู่ตลาดเพื่อซื้อขายทุกวัน
ดังนั้น การจะไปจากความต้องการพลังคำนวณทั่วโลกสู่ TAM ของอนุพันธ์จริงๆ ต้องผ่านการกรองหลายชั้นอย่างน้อยที่สุด:
นี่คือเหตุผลว่าทำไมขนาดของตลาดอนุพันธ์พลังคำนวณในอนาคต จึงน่าจะมีความสัมพันธ์กับสัดส่วนของ merchant compute มากกว่าการเติบโตเชิงเส้นง่ายๆ กับปริมาณการติดตั้ง GPU ทั่วโลก
ในอดีต โมเดลขั้นสูงจำนวนมากทำงานภายในห้องปฏิบัติการขนาดใหญ่และ Hyperscaler ไม่กี่แห่ง การจัดซื้อพลังคำนวณจึงมีการ internalize ในระดับสูงเช่นกัน เมื่อประสิทธิภาพของโมเดลโอเพนซอร์สดีขึ้น องค์กรจำนวนมากขึ้นสามารถปรับใช้ได้ด้วยตัวเอง หรือมอบหมาย workload ให้กับ Neocloud และแพลตฟอร์มการอนุมานของบุคคลที่สาม ความต้องการพลังคำนวณที่เคยถูกปิดกั้นอยู่ในงบดุลขนาดใหญ่ไม่กี่แห่ง จะค่อยๆ เปลี่ยนเป็นคำสั่งซื้อในตลาดเปิด ซึ่งอธิบายได้ว่าทำไมการพัฒนาของโมเดลโอเพนซอร์สจึงน่าจับตามอง:
ประการแรก พลังคำนวณจำนวนมากขึ้นเริ่มก่อให้เกิดราคาซื้อขายจริง หากไม่มีการซื้อขายภายนอกมากพอ ดัชนี也很难ก่อตัวขึ้น และเส้นโค้งล่วงหน้ายิ่งไม่ต้องพูดถึง
ประการที่สอง แรงกระแทกด้านอุปสงค์จะส่งผ่านไปยังตลาด spot ได้เร็วขึ้น หลังจากโมเดลยอดนิยมเปิดตัว หากองค์กรจำนวนมากเพิ่มการปรับใช้พร้อมกัน ความต้องการใหม่จะ冲击ความจุ GPU ของบุคคลที่สามโดยตรง และราคากับอัตราความพร้อมใช้งานจะเปลี่ยนแปลงอย่างรวดเร็ว ยิ่งตลาดเปิดรับความต้องการส่วนเพิ่มมากเท่าไร ความผันผวนของค่าเช่าก็ยิ่งมีแนวโน้มกลายเป็นความเสี่ยงด้าน P&L ที่องค์กรต้องบริหารจัดการจริงๆ
ดังนั้น สิ่งที่สำคัญอย่างแท้จริงของโมเดลโอเพนซอร์สต่อ
